[摘 要] 学业预警体系可以有效的解决大学生日益突显的学业问题，但从目前各个高校实践的情况来看，体系中指标要素过于单一和人工统计过于低效这两个问题，严重制约学业预警的作用。为解决这两个问题，以厦门理工学院为例，提出了改进现有体系的方案，并以此为前提建立基于机器学习的模型，论述了建立基于机器学习的学业预警模型并结合信息系统的有效性和可行性，最后结合高校的现状提出面临的挑战，为高校的教育改革提供有价值的参考。
[关键词]学业预警；机器学习；信息化
我国的高等教育已从精英教育转变为大众教育，随着高考的扩招学生素质呈相对下降趋势，学业问题逐年增加，降级、退学学生人数也明显攀升，因此需要建立“学业预警”制度来有效地来解决这些学业问题。我国的“学业预警”制度最早于2006年9月由江西理工大学在原来的“学籍预警”制度的基础上，作为学籍处分的一种类型，提出并开始实践。2007年8月教育部将“学业预警”作为公布的171个汉语新词之一颁布使用[1]。至此，“学业预警”机制作为一种新型的高校管理形式和专门术语，正式得到教育部和学界的认可[2]。
但是，目前学业预警制度在我国高校还没有深入实施，各高校制定的标准也不相同，存在着不少问题。从国内现已发表的文献中可以看出高校普遍以学分作为预警的主要指标，指标构成单一，并且很少从信息化的角度，特别是结合大数据处理、机器学习等技术来研究学业预警的运作。随着网络学习、移动学习、校园社交以及学校各种信息系统的广泛应用，教师和学生每天都在生产大量的数据。如果靠人工定期统计学业预警体系所要求的那些数据，不仅效率低下而且容易遗落出错；如果借助机器学习手段，就能充分利用已有学校数据，在海量数据中迅速、准确地得到学业预警的结果，那将有助于后续的教学决策、学习优化和学业帮扶等工作的开展。
本文分四个部分：第一部分以厦门理工学院为例说明目前学业预警体系普遍存在的不足之处；第二部分对该学业预警体系提出改进，以此为机器学习模型提供基础；第三部分探讨机器学习的模型及其实现；第四部分提出所面临的问题与挑战。
作者：白紫君